從成像探測系統(tǒng)的兩個應(yīng)用背景來看，弱小目標(biāo)跟蹤測量面臨的難點(diǎn)主要有兩個：一是航空導(dǎo)航是成像探測系統(tǒng)最早也是最成功的應(yīng)用領(lǐng)域，由于航空器與成像系統(tǒng)距離較遠(yuǎn)，目標(biāo)在成像平面上僅占有幾個像元，加上成像系統(tǒng)接收到的目標(biāo)輻射強(qiáng)度很弱，且易受各種噪聲雜波的干擾；二是天文目標(biāo)跟蹤也是成像探測系統(tǒng)的一個重要應(yīng)用。在天文觀測時，由于目標(biāo)能量較弱，基本上被噪聲淹沒，信噪比低，并且目標(biāo)出現(xiàn)的位置、大小和速度均未知，加上無紋理等特征可以利用，這些因素給弱小目標(biāo)跟蹤測量帶來極大的挑戰(zhàn)，同時由于天文圖像數(shù)據(jù)量大，及時有效地處理這些海量數(shù)據(jù)，需要借助于圖像處理、數(shù)據(jù)挖掘、信號處理等信息處理技術(shù)。上述的應(yīng)用領(lǐng)域，由于各種客觀因素的存在將導(dǎo)致目標(biāo)易被背景雜波淹沒，因此弱小目標(biāo)跟蹤測量算法的好壞將直接決定光電成像系統(tǒng)的有效作用距離。
光電所光電探測與信號處理研究室研究團(tuán)隊(duì)致力于光電成像目標(biāo)的檢測與跟蹤算法的研究。針對低信噪比場景下弱小目標(biāo)跟蹤測量問題，課題組提出了改進(jìn)的粒子濾波跟蹤方法：首先通過空間位置加權(quán)的方式來獲取灰度特征，并將鄰域運(yùn)動模型和灰度概率圖相結(jié)合來獲取弱小目標(biāo)運(yùn)動特征，然后構(gòu)建灰度與運(yùn)動特性的聯(lián)合觀測模型來計算粒子權(quán)值。同時在跟蹤測量過程中考慮到目標(biāo)的灰度分布特性并不穩(wěn)定，加入了自適應(yīng)更新參考目標(biāo)灰度模板的策略，最后采用幾組場景來驗(yàn)證本文算法的跟蹤測量效果。實(shí)驗(yàn)證明，和傳統(tǒng)算法相比，該算法增強(qiáng)了低信噪比場景下弱小目標(biāo)跟蹤測量能力。
近兩年該課題組取得的最新研究成果包括基于L1-L0的生物活體組織圖像的自動分割與分析技術(shù)，管徑自適應(yīng)的時空域?yàn)V波的弱小目標(biāo)檢測算法，序列圖像局部能量極大值的弱小目標(biāo)檢測算法，樣本自適應(yīng)免疫遺傳粒子濾波弱小目標(biāo)跟蹤算法，改進(jìn)粒子濾波弱小目標(biāo)跟蹤等，相應(yīng)的內(nèi)容發(fā)表在《Biomedical Optics Express》和《Infrared Physics and Technology》等國際知名期刊上。
本研究相關(guān)論文發(fā)表在《光電工程》2018年第8期上，引用格式如下：樊香所, 徐智勇, 張建林. 改進(jìn)粒子濾波的弱小目標(biāo)跟蹤[J]. 光電工程, 2018, 45(8): 170569. DOI: 10.12086/oee.2018.170569。
跟蹤測量結(jié)果圖： (a) 第1幀；(b) 運(yùn)動模型圖；(c) 跟蹤測量圖